基于Grassmann流形的半监督图像集鉴别分析

摘要：

提出了基于Grassmann流形的半监督图像集鉴别分析方法.该方法将子空间表示成Grassmann流形上的点,分别用一组单位正交基表示.通过Grassmann核函数,度量子空间的相似度.不同于其他基于Grassmann流形的图像集鉴别分析,引入图嵌入框架,通过保持数据局部邻域结构的同时,最大化不同类别数据的距离,得到最优投影矩阵,并在投影空间中进行图像集分类.采用半监督学习,对于未标记样本,根据其最近邻类别进行估计.实验表明,该方法取得了优于其他图像集识别算法的效果.

关键词：Grassmann流形、图像集、鉴别分析、半监督

所属期刊栏目：28

分类号：TP311(计算技术、计算机技术)

资助基金：国家自然科学基金NSFC No.60775009

在线出版日期：2012-11-16（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：19-22